深入解析 YOLOv10 的 HUBTrainingSessionUltralytics HUB 云端训练会话机制详解【免费下载链接】yolov10YOLOv10: Real-Time End-to-End Object Detection [NeurIPS 2024]项目地址: https://gitcode.com/GitHub_Trending/yo/yolov10导读本文围绕 YOLOv10 仓库中 ultralytics/hub/session.py 的HUBTrainingSession类展开系统讲解 Ultralytics HUB 训练会话的核心机制模型标识符解析、凭据认证、训练参数同步、心跳保活、指标与权重上传、请求重试与限流策略。读者阅读后将能理解 YOLO 模型如何在本地与 Ultralytics HUB 之间建立受管训练通道掌握其与 ultralytics/engine/model.py、ultralytics/utils/callbacks/hub.py 的调用关系并能在工程实践中正确使用 HUB 模型标识符启动训练。说明本仓库对应的参考文档为 docs/en/reference/hub/session.md其为 mkdocstrings 自动生成的 API 参考页正文以::: ultralytics.hub.session.HUBTrainingSession的形式引用类定义。下文内容以该参考页指明的类为核心结合仓库源码展开所有实现细节均可回溯到上述源文件。一、HUBTrainingSession 的定位与职责1.1 类概述HUBTrainingSession是 Ultralytics HUB 训练会话的核心封装类定义于 ultralytics/hub/session.py。其文档字符串明确声明了职责HUB training session for Ultralytics HUB YOLO models. Handles model initialization, heartbeats, and checkpointing.即负责模型初始化、心跳保活与检查点上传。它充当本地训练进程与 HUB 服务端之间的通信代理把本地训练产生的指标、权重持续同步到云端同时从云端拉取训练配置。1.2 关键属性一览依据类 docstring 与构造函数HUBTrainingSession维护如下状态属性类型含义agent_idstr与服务器通信的实例标识进程级model_idstr正在训练的 YOLO 模型的 HUB 标识model_urlstr模型在 HUB Web 端的查看地址api_urlstr模型对应的 HUB API 地址auth_headerdictHUB API 请求的认证头rate_limitsdict各类 API 调用的速率限制秒timersdict限流计时器供回调模块使用metrics_queuedict每个 epoch 的待上传指标队列modeldict从 HUB 拉取的模型数据alivebool心跳循环是否存活其中metrics_queue与metrics_upload_failed_queue上传失败的指标暂存队列在构造函数中初始化它们与限流机制配合保证指标不会因网络抖动而丢失。二、标识符解析HUB 模型如何被识别2.1 四种支持的标识符格式HUBTrainingSession的构造函数接收一个identifier字符串由私有方法_parse_identifierultralytics/hub/session.py负责解析。源码支持的格式如下格式判定规则解析结果HUB URL以HUB_WEB_ROOT/models/开头即https://hub.ultralytics.com/models/截取/models/之后的片段作为model_idAPI Key Model ID以_分隔且前段长 42 字符、后段长 20 字符分别得到api_key与model_id纯 Model ID长度 20 且不含_直接作为model_id本地文件以.pt或.yaml结尾作为filename用于新建模型场景如果格式都不匹配将抛出HUBModelError错误信息会明确提示支持的范围raise HUBModelError( fmodel{identifier} could not be parsed. Check format is correct. fSupported formats are Ultralytics HUB URL, apiKey_modelId, modelId, local pt or yaml file. )2.2 与 model.py 的判定联动在 ultralytics/engine/model.py 中Model.is_hub_model用几乎一致的规则预判传入的模型字符串是否为 HUB 模型URL 前缀、[42, 20]的长度组合、20 位纯 ID 且本地不存在该路径。判定为 HUB 模型后Model.__init__会调用_get_hub_session创建会话staticmethod def _get_hub_session(model: str): Creates a session for Hub Training. from ultralytics.hub.session import HUBTrainingSession session HUBTrainingSession(model) return session if session.client.authenticated else None值得注意的细节只有session.client.authenticated为真时会话才会被返回并挂载到模型上否则静默返回None——这正是未认证时不干扰本地训练的设计取舍。三、认证与客户端初始化3.1 凭据获取链构造函数中凭据按以下优先级解析ultralytics/hub/session.py标识符中内嵌的api_keyapiKey_modelId格式本地设置文件SETTINGS.get(api_key)两者皆无时credentials为None。随后通过HUBClient(credentials)初始化官方 hub-sdk 客户端。hub-sdk是硬性依赖__init__中直接from hub_sdk import HUBClient若未安装会抛出ModuleNotFoundError。3.2 认证相关辅助接口ultralytics/hub/init.py 提供了配套的认证与模型管理函数login(api_keyNone, saveTrue)校验 API Key成功后写入SETTINGS的api_key字段失败时提示去 HUB 设置页获取 Key。logout()清空SETTINGS[api_key]并保存。reset_model(model_id)将已训练模型重置为未训练状态。export_model(model_id, formattorchscript)与get_export(...)发起/查询 HUB 云端模型导出。这些函数与HUBTrainingSession共同构成 HUB 集成的基础设施。四、模型加载与新建load_model / create_model4.1 load_model加载已有模型当解析出model_id时会话调用load_modelultralytics/hub/session.pyself.model self.client.model(model_id)拉取模型数据若model.data为空抛出ValueError(The specified HUB model does not exist)拼接model_url{HUB_WEB_ROOT}/models/{model.id}调用_set_train_args()装配训练参数启动心跳self.model.start_heartbeat(self.rate_limits[heartbeat])间隔 300 秒。4.2 create_model新建模型当标识符是本地.pt/.yaml文件时create_modelultralytics/hub/session.py会构造创建模型的 payloadpayload { config: { batchSize: model_args.get(batch, -1), epochs: model_args.get(epochs, 300), imageSize: model_args.get(imgsz, 640), patience: model_args.get(patience, 100), device: model_args.get(device, ), cache: model_args.get(cache, ram), }, dataset: {name: model_args.get(data)}, lineage: { architecture: { name: self.filename.replace(.pt, ).replace(.yaml, ), }, parent: {}, }, meta: {name: self.filename}, } if self.filename.endswith(.pt): payload[lineage][parent][name] self.filename由此可以看到训练关键参数的云端映射关系batch→batchSize、epochs、imgsz→imageSize、patience、device、cache。创建成功后同样拼接model_url并启动心跳。4.3 创建失败的容错创建后若self.model.id为空模型未成功创建create_model直接return。在 ultralytics/engine/model.py 的train流程中创建失败的会话会被置回None且PermissionError/ModuleNotFoundError会被静默忽略——保证在未安装 hub-sdk 或 HUB 被禁用的环境下本地训练不受影响。五、训练参数装配_set_train_args_set_train_argsultralytics/hub/session.py根据模型状态分三条路径装配train_args与model_file模型状态判定方法行为已训练model.is_trained()抛出ValueError提示模型已上传可续训model.is_resumable()train_args {data: ..., resume: True}权重取get_weights_url(last)全新/预训练其余情况train_args取自model.data.get(train_args)model_file在预训练时取父权重 URL否则取架构定义两条额外防御逻辑值得注意数据集缺失保护若train_args中无data抛出ValueError(Dataset may still be processing. Please wait a minute and try again.)——这是对数据集尚未处理完成的服务端竞态问题的兜底提示。YOLOv5u 文件名修正checks.check_yolov5u_filename(self.model_file, verboseFalse)会把 YOLOv5 权重名修正为 YOLOv5u 命名规范。装配完成后train()流程会以session.train_args覆盖本地 kwargs见 ultralytics/engine/model.py并打印WARNING: using HUB training arguments, ignoring local training arguments.——即 HUB 端配置优先。六、心跳机制与限流策略6.1 速率限制表构造函数内置了三类调用的限流间隔ultralytics/hub/session.pyself.rate_limits { metrics: 3.0, # 指标上传间隔秒 ckpt: 900.0, # 检查点上传间隔秒 heartbeat: 300.0, # 心跳间隔秒 }心跳通过 hub-sdk 的start_heartbeat(interval)启动让 HUB 服务端持续感知本地 agent 存活状态避免训练会话被判定为失联而中断。6.2 回调侧的限流配合限流并非只在会话内部生效ultralytics/utils/callbacks/hub.py 中的训练回调与timers字段协同on_pretrain_routine_end训练开始时初始化timers[metrics]与timers[ckpt]on_fit_epoch_end每个 epoch 结束后将trainer.tloss的逐项损失与trainer.metrics序列化进metrics_queue距上次上传超过rate_limits[metrics]3 秒才触发upload_metrics()随后清空队列若此前存在上传失败的指标会先合并metrics_upload_failed_queue重试on_model_save距上次超过rate_limits[ckpt]900 秒时上传检查点is_best由trainer.best_fitness trainer.fitness判定on_train_end训练结束时上传最终模型finalTrue并置session.alive False停止心跳。这组回调仅在SETTINGS[hub] is True时注册ultralytics/utils/callbacks/hub.py构成了 HUB 数据同步的完整事件链。七、请求队列、重试与上传7.1 request_queue带重试的异步请求框架所有上传请求都经request_queueultralytics/hub/session.py统一调度其要点如下默认参数retry3次、timeout30秒、默认在独立 daemon 线程中执行threadTrue指数退避每次失败后time.sleep(2**i)1s、2s、4s...2xx 即成功命中后若本次请求携带metrics参数会清空metrics_upload_failed_queue失败重试判定_should_retryultralytics/hub/session.py仅对 408Request Timeout、502Bad Gateway、504Gateway Timeout重试其他错误码直接放弃限流提示_get_failure_messageultralytics/hub/session.py对 429 状态会解析响应头中的X-RateLimit-Remaining、X-RateLimit-Limit、Retry-After给出精确的稍后再试提示失败指标缓存指标上传耗尽重试仍失败时指标会被回填到metrics_upload_failed_queue留待下轮上传保证数据不丢。7.2 upload_metrics 与 upload_modelupload_metrics()将metrics_queue的副本异步交给self.model.upload_metricsupload_model(epoch, weights, is_bestFalse, map0.0, finalFalse)ultralytics/hub/session.py权重文件存在才上传否则打印WARNING: Model upload issue. Missing model ...常规检查点上传retry10、timeout3600、后台线程执行threadnot final最终模型上传finalTrue时同步执行并开启进度条——progress_total取权重文件字节数_show_upload_progress借助TQDM以 1024 字节分块展示上传进度ultralytics/hub/session.py。八、从标识符到训练端到端调用链综合 ultralytics/engine/model.py 与回调模块一次 HUB 驱动的训练可概括为以下链路Model(is_hub_model模型标识符) └─ HUBTrainingSession(identifier) # 解析标识符、认证、加载/创建模型 ├─ load_model / create_model # 拉取模型数据或创建云端记录 ├─ _set_train_args # 装配 train_args 与 model_file └─ start_heartbeat(300s) # 心跳保活 Model.train(...) ├─ session.train_args 覆盖本地 kwargs # HUB 配置优先 └─ trainer.hub_session session # 挂载会话 ├─ on_fit_epoch_end → upload_metrics # 每轮指标3s 限流 ├─ on_model_save → upload_model # 检查点900s 限流 └─ on_train_end → upload_model(finalTrue) 停止心跳仓库测试方面tests/test_python.py 的test_hub用例验证了export_fmts_hub、logout与smart_request等 HUB 基础设施函数该用例在联网环境下运行。九、环境变量与运行前提HUB 服务地址可通过环境变量覆盖ultralytics/hub/utils.pyHUB_API_ROOT os.environ.get(ULTRALYTICS_HUB_API, https://api.ultralytics.com) HUB_WEB_ROOT os.environ.get(ULTRALYTICS_HUB_WEB, https://hub.ultralytics.com)使用HUBTrainingSession的完整前提条件包括安装hub-sdk版本要求hub-sdk0.0.6见 ultralytics/hub/init.py 与 ultralytics/engine/model.py已通过yolo hub login API_KEY或在 docs/en/hub/quickstart.md 指引下完成账号注册与 Key 配置本地设置中SETTINGS[hub]为 True否则训练回调不注册不会主动同步到 HUB。HUB 的完整使用流程数据集上传、云端训练、集成部署可参考仓库文档 docs/en/hub/models.md、docs/en/hub/cloud-training.md 与 docs/en/hub/integrations.md。十、总结HUBTrainingSession是 YOLOv10 仓库中连接本地训练与 Ultralytics HUB 的关键枢纽它以一套简洁的标识符解析规则URL /apiKey_modelId/modelId/ 本地文件完成模型定位通过心跳、限流、指数退避与失败指标缓存保障训练状态持续同步并通过训练回调把指标、检查点和最终权重按节奏推送到云端。理解这一机制开发者便能在本地自有算力 云端统一管理的混合训练模式下熟练排查会话创建、指标上传与权重同步中的各类问题。【免费下载链接】yolov10YOLOv10: Real-Time End-to-End Object Detection [NeurIPS 2024]项目地址: https://gitcode.com/GitHub_Trending/yo/yolov10创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 深入解析 YOLOv10 的 HUBTrainingSession：Ultralytics HUB 云端训练会话机制详解
深入解析 YOLOv10 的 HUBTrainingSessionUltralytics HUB 云端训练会话机制详解【免费下载链接】yolov10YOLOv10: Real-Time End-to-End Object Detection [NeurIPS 2024]项目地址: https://gitcode.com/GitHub_Trending/yo/yolov10导读本文围绕 YOLOv10 仓库中 ultralytics/hub/session.py 的HUBTrainingSession类展开系统讲解 Ultralytics HUB 训练会话的核心机制模型标识符解析、凭据认证、训练参数同步、心跳保活、指标与权重上传、请求重试与限流策略。读者阅读后将能理解 YOLO 模型如何在本地与 Ultralytics HUB 之间建立受管训练通道掌握其与 ultralytics/engine/model.py、ultralytics/utils/callbacks/hub.py 的调用关系并能在工程实践中正确使用 HUB 模型标识符启动训练。说明本仓库对应的参考文档为 docs/en/reference/hub/session.md其为 mkdocstrings 自动生成的 API 参考页正文以::: ultralytics.hub.session.HUBTrainingSession的形式引用类定义。下文内容以该参考页指明的类为核心结合仓库源码展开所有实现细节均可回溯到上述源文件。一、HUBTrainingSession 的定位与职责1.1 类概述HUBTrainingSession是 Ultralytics HUB 训练会话的核心封装类定义于 ultralytics/hub/session.py。其文档字符串明确声明了职责HUB training session for Ultralytics HUB YOLO models. Handles model initialization, heartbeats, and checkpointing.即负责模型初始化、心跳保活与检查点上传。它充当本地训练进程与 HUB 服务端之间的通信代理把本地训练产生的指标、权重持续同步到云端同时从云端拉取训练配置。1.2 关键属性一览依据类 docstring 与构造函数HUBTrainingSession维护如下状态属性类型含义agent_idstr与服务器通信的实例标识进程级model_idstr正在训练的 YOLO 模型的 HUB 标识model_urlstr模型在 HUB Web 端的查看地址api_urlstr模型对应的 HUB API 地址auth_headerdictHUB API 请求的认证头rate_limitsdict各类 API 调用的速率限制秒timersdict限流计时器供回调模块使用metrics_queuedict每个 epoch 的待上传指标队列modeldict从 HUB 拉取的模型数据alivebool心跳循环是否存活其中metrics_queue与metrics_upload_failed_queue上传失败的指标暂存队列在构造函数中初始化它们与限流机制配合保证指标不会因网络抖动而丢失。二、标识符解析HUB 模型如何被识别2.1 四种支持的标识符格式HUBTrainingSession的构造函数接收一个identifier字符串由私有方法_parse_identifierultralytics/hub/session.py负责解析。源码支持的格式如下格式判定规则解析结果HUB URL以HUB_WEB_ROOT/models/开头即https://hub.ultralytics.com/models/截取/models/之后的片段作为model_idAPI Key Model ID以_分隔且前段长 42 字符、后段长 20 字符分别得到api_key与model_id纯 Model ID长度 20 且不含_直接作为model_id本地文件以.pt或.yaml结尾作为filename用于新建模型场景如果格式都不匹配将抛出HUBModelError错误信息会明确提示支持的范围raise HUBModelError( fmodel{identifier} could not be parsed. Check format is correct. fSupported formats are Ultralytics HUB URL, apiKey_modelId, modelId, local pt or yaml file. )2.2 与 model.py 的判定联动在 ultralytics/engine/model.py 中Model.is_hub_model用几乎一致的规则预判传入的模型字符串是否为 HUB 模型URL 前缀、[42, 20]的长度组合、20 位纯 ID 且本地不存在该路径。判定为 HUB 模型后Model.__init__会调用_get_hub_session创建会话staticmethod def _get_hub_session(model: str): Creates a session for Hub Training. from ultralytics.hub.session import HUBTrainingSession session HUBTrainingSession(model) return session if session.client.authenticated else None值得注意的细节只有session.client.authenticated为真时会话才会被返回并挂载到模型上否则静默返回None——这正是未认证时不干扰本地训练的设计取舍。三、认证与客户端初始化3.1 凭据获取链构造函数中凭据按以下优先级解析ultralytics/hub/session.py标识符中内嵌的api_keyapiKey_modelId格式本地设置文件SETTINGS.get(api_key)两者皆无时credentials为None。随后通过HUBClient(credentials)初始化官方 hub-sdk 客户端。hub-sdk是硬性依赖__init__中直接from hub_sdk import HUBClient若未安装会抛出ModuleNotFoundError。3.2 认证相关辅助接口ultralytics/hub/init.py 提供了配套的认证与模型管理函数login(api_keyNone, saveTrue)校验 API Key成功后写入SETTINGS的api_key字段失败时提示去 HUB 设置页获取 Key。logout()清空SETTINGS[api_key]并保存。reset_model(model_id)将已训练模型重置为未训练状态。export_model(model_id, formattorchscript)与get_export(...)发起/查询 HUB 云端模型导出。这些函数与HUBTrainingSession共同构成 HUB 集成的基础设施。四、模型加载与新建load_model / create_model4.1 load_model加载已有模型当解析出model_id时会话调用load_modelultralytics/hub/session.pyself.model self.client.model(model_id)拉取模型数据若model.data为空抛出ValueError(The specified HUB model does not exist)拼接model_url{HUB_WEB_ROOT}/models/{model.id}调用_set_train_args()装配训练参数启动心跳self.model.start_heartbeat(self.rate_limits[heartbeat])间隔 300 秒。4.2 create_model新建模型当标识符是本地.pt/.yaml文件时create_modelultralytics/hub/session.py会构造创建模型的 payloadpayload { config: { batchSize: model_args.get(batch, -1), epochs: model_args.get(epochs, 300), imageSize: model_args.get(imgsz, 640), patience: model_args.get(patience, 100), device: model_args.get(device, ), cache: model_args.get(cache, ram), }, dataset: {name: model_args.get(data)}, lineage: { architecture: { name: self.filename.replace(.pt, ).replace(.yaml, ), }, parent: {}, }, meta: {name: self.filename}, } if self.filename.endswith(.pt): payload[lineage][parent][name] self.filename由此可以看到训练关键参数的云端映射关系batch→batchSize、epochs、imgsz→imageSize、patience、device、cache。创建成功后同样拼接model_url并启动心跳。4.3 创建失败的容错创建后若self.model.id为空模型未成功创建create_model直接return。在 ultralytics/engine/model.py 的train流程中创建失败的会话会被置回None且PermissionError/ModuleNotFoundError会被静默忽略——保证在未安装 hub-sdk 或 HUB 被禁用的环境下本地训练不受影响。五、训练参数装配_set_train_args_set_train_argsultralytics/hub/session.py根据模型状态分三条路径装配train_args与model_file模型状态判定方法行为已训练model.is_trained()抛出ValueError提示模型已上传可续训model.is_resumable()train_args {data: ..., resume: True}权重取get_weights_url(last)全新/预训练其余情况train_args取自model.data.get(train_args)model_file在预训练时取父权重 URL否则取架构定义两条额外防御逻辑值得注意数据集缺失保护若train_args中无data抛出ValueError(Dataset may still be processing. Please wait a minute and try again.)——这是对数据集尚未处理完成的服务端竞态问题的兜底提示。YOLOv5u 文件名修正checks.check_yolov5u_filename(self.model_file, verboseFalse)会把 YOLOv5 权重名修正为 YOLOv5u 命名规范。装配完成后train()流程会以session.train_args覆盖本地 kwargs见 ultralytics/engine/model.py并打印WARNING: using HUB training arguments, ignoring local training arguments.——即 HUB 端配置优先。六、心跳机制与限流策略6.1 速率限制表构造函数内置了三类调用的限流间隔ultralytics/hub/session.pyself.rate_limits { metrics: 3.0, # 指标上传间隔秒 ckpt: 900.0, # 检查点上传间隔秒 heartbeat: 300.0, # 心跳间隔秒 }心跳通过 hub-sdk 的start_heartbeat(interval)启动让 HUB 服务端持续感知本地 agent 存活状态避免训练会话被判定为失联而中断。6.2 回调侧的限流配合限流并非只在会话内部生效ultralytics/utils/callbacks/hub.py 中的训练回调与timers字段协同on_pretrain_routine_end训练开始时初始化timers[metrics]与timers[ckpt]on_fit_epoch_end每个 epoch 结束后将trainer.tloss的逐项损失与trainer.metrics序列化进metrics_queue距上次上传超过rate_limits[metrics]3 秒才触发upload_metrics()随后清空队列若此前存在上传失败的指标会先合并metrics_upload_failed_queue重试on_model_save距上次超过rate_limits[ckpt]900 秒时上传检查点is_best由trainer.best_fitness trainer.fitness判定on_train_end训练结束时上传最终模型finalTrue并置session.alive False停止心跳。这组回调仅在SETTINGS[hub] is True时注册ultralytics/utils/callbacks/hub.py构成了 HUB 数据同步的完整事件链。七、请求队列、重试与上传7.1 request_queue带重试的异步请求框架所有上传请求都经request_queueultralytics/hub/session.py统一调度其要点如下默认参数retry3次、timeout30秒、默认在独立 daemon 线程中执行threadTrue指数退避每次失败后time.sleep(2**i)1s、2s、4s...2xx 即成功命中后若本次请求携带metrics参数会清空metrics_upload_failed_queue失败重试判定_should_retryultralytics/hub/session.py仅对 408Request Timeout、502Bad Gateway、504Gateway Timeout重试其他错误码直接放弃限流提示_get_failure_messageultralytics/hub/session.py对 429 状态会解析响应头中的X-RateLimit-Remaining、X-RateLimit-Limit、Retry-After给出精确的稍后再试提示失败指标缓存指标上传耗尽重试仍失败时指标会被回填到metrics_upload_failed_queue留待下轮上传保证数据不丢。7.2 upload_metrics 与 upload_modelupload_metrics()将metrics_queue的副本异步交给self.model.upload_metricsupload_model(epoch, weights, is_bestFalse, map0.0, finalFalse)ultralytics/hub/session.py权重文件存在才上传否则打印WARNING: Model upload issue. Missing model ...常规检查点上传retry10、timeout3600、后台线程执行threadnot final最终模型上传finalTrue时同步执行并开启进度条——progress_total取权重文件字节数_show_upload_progress借助TQDM以 1024 字节分块展示上传进度ultralytics/hub/session.py。八、从标识符到训练端到端调用链综合 ultralytics/engine/model.py 与回调模块一次 HUB 驱动的训练可概括为以下链路Model(is_hub_model模型标识符) └─ HUBTrainingSession(identifier) # 解析标识符、认证、加载/创建模型 ├─ load_model / create_model # 拉取模型数据或创建云端记录 ├─ _set_train_args # 装配 train_args 与 model_file └─ start_heartbeat(300s) # 心跳保活 Model.train(...) ├─ session.train_args 覆盖本地 kwargs # HUB 配置优先 └─ trainer.hub_session session # 挂载会话 ├─ on_fit_epoch_end → upload_metrics # 每轮指标3s 限流 ├─ on_model_save → upload_model # 检查点900s 限流 └─ on_train_end → upload_model(finalTrue) 停止心跳仓库测试方面tests/test_python.py 的test_hub用例验证了export_fmts_hub、logout与smart_request等 HUB 基础设施函数该用例在联网环境下运行。九、环境变量与运行前提HUB 服务地址可通过环境变量覆盖ultralytics/hub/utils.pyHUB_API_ROOT os.environ.get(ULTRALYTICS_HUB_API, https://api.ultralytics.com) HUB_WEB_ROOT os.environ.get(ULTRALYTICS_HUB_WEB, https://hub.ultralytics.com)使用HUBTrainingSession的完整前提条件包括安装hub-sdk版本要求hub-sdk0.0.6见 ultralytics/hub/init.py 与 ultralytics/engine/model.py已通过yolo hub login API_KEY或在 docs/en/hub/quickstart.md 指引下完成账号注册与 Key 配置本地设置中SETTINGS[hub]为 True否则训练回调不注册不会主动同步到 HUB。HUB 的完整使用流程数据集上传、云端训练、集成部署可参考仓库文档 docs/en/hub/models.md、docs/en/hub/cloud-training.md 与 docs/en/hub/integrations.md。十、总结HUBTrainingSession是 YOLOv10 仓库中连接本地训练与 Ultralytics HUB 的关键枢纽它以一套简洁的标识符解析规则URL /apiKey_modelId/modelId/ 本地文件完成模型定位通过心跳、限流、指数退避与失败指标缓存保障训练状态持续同步并通过训练回调把指标、检查点和最终权重按节奏推送到云端。理解这一机制开发者便能在本地自有算力 云端统一管理的混合训练模式下熟练排查会话创建、指标上传与权重同步中的各类问题。【免费下载链接】yolov10YOLOv10: Real-Time End-to-End Object Detection [NeurIPS 2024]项目地址: https://gitcode.com/GitHub_Trending/yo/yolov10创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考